在近十年前,当"数字化转型"首次成为战略重点时,它承诺通过整合前沿技术来推动效率、创新和增长,从而彻底改变所有行业。企业竞相实现传统系统现代化、采用数据驱动决策和自动化,但效果往往参差不齐。
虽然一些公司通过提高效率实现了显著的投资回报,但更常见的情况是由于目标不明确、实施策略分散和组织障碍被低估而导致的挫折。事实上,麦肯锡的一项研究发现,"虽然90%的公司已启动某种形式的数字化转型,但平均只实现了预期收益的三分之一。"这一趋势凸显了当组织期望通过数字化转型推动增长和加速运营时,需要明确的期望、协调和流程。
在制药、生物科技和材料等科技驱动型行业中,这些挑战更为显著。然而,很明显传统的研发策略已无法充分推动发现和创新,也无法带来竞争优势。随着生成式 AI 和 AI 代理的进步,2025年的数字化转型格局正在再次演变,资助这些努力的预算需要跟上以为组织带来改进和成功。
重新校准期望
当领导者们最终确定2025年预算并规划2026年时,他们需要采取的第一步是重新校准期望,并认识到数字化增强和真正的数字化转型之间的根本区别。每条路径都有其自身的成本、收益和对业务的影响。误解这些差异——或者在投资一个方向的同时期待另一个方向的结果——往往会导致错位、投资回报率降低和进展停滞。
数字化增强——例如在实验室引入新的 SaaS 产品——可以简化特定任务和流程,提高效率和性能。然而,这些渐进式改进并不会从根本上改变工作方式。相比之下,数字化转型是一个更深层次的演变。它重新定义了业务部门和研究人员的运作方式,将技术与技能、流程和数据的协调变革相结合,实现新的工作、协作和创新方式。
这两种方法都很有价值,但仅靠数字化增强不太可能带来变革性的结果。相反,它们应该作为更广泛战略路线图的一部分来实施,将短期渐进式收益与长期转型目标联系起来。这种变革方法确保增强措施能够有意义地贡献于更大的目标,并帮助组织保持对建立可持续竞争优势的关注。
有效的预算结构
在分配数字化转型预算后,许多领导者错误地认为这个过程会自然进展。然而,预算的结构方式会显著影响计划的成功。分散的资金分配往往会使进展停滞或中断,导致协调不力的努力和错失影响力巨大的变革机会。为此,我给领导者的第二个建议是以能够实现战略一致性和持续动力的方式来构建预算。
在许多组织中,包含数字化转型计划的技术预算由孤立的业务部门 (BUs) 控制,这些部门负责实现短期增长目标。鉴于数字化转型被视为长期投资,而业务部门通常关注即时绩效指标,这种结构往往会造成利益冲突。例如,一个需要保持或提高生产力水平的实验室可能会降低新转型计划的优先级,即使这些计划承诺带来长期收益,因为它们本质上会扰乱现有工作流程。
一个更有效的方法是建立一个集中的数字化转型管理部门,负责管理和分配跨越短期、中期和长期目标项目的资金。在制药等创新周期通常跨越数年的行业中,这种集中化结构支持着一个统一的战略,确保项目基于其与总体转型目标的一致性进行评估和优先排序。它还消除了冗余,并实现了跨部门的资源共享,加快了进展。
有了这种结构,就可以在整个组织中追踪进展,使业务部门能够切实看到数字化转型努力的价值。这反过来又可以为这些计划创造更广泛的支持,强化持续投资的重要性。如果希望业务部门为使其受益的计划提供预算,那么创建一个集中预算来启动转型项目一年左右,然后由业务部门领导决定是否继续资助该项目仍是一个好主意。我们发现,这是一个有效的策略,可以在短期内克服对新计划的内部阻力,同时在长期内适当地分配权力和责任。
除了集中化之外,为预算分配定义明确的决策机制也至关重要。这些机制应该根据项目推动创新等战略目标的潜力来确定优先级,同时平衡近期业务需求。例如,具有可扩展、跨职能效益的计划可能优先于较小的、局部性改进。决策框架可以包括与战略目标的一致性、投资回报潜力和实施准备程度等标准。
展望未来
现代化的紧迫性从未如此急迫,2025年的技术预算应该反映这一现实。虽然数字化转型预算没有放之四海而皆准的公式,但领导者必须以不同的方式处理预算,以确保他们所寻求的成功和投资回报。一个良好的开端始于重新思考预算结构和重新调整期望,同时了解数字化增强和转型之间的区别,为持续创新和增长奠定坚实基础。
好文章,需要你的鼓励
WordPress实验性AI开发工具Telex在9月发布几个月后已投入实际使用。在"State of the Word"年度活动中,WordPress联合创始人展示了Telex的多个应用案例,包括创建价格比较工具、价格计算器和实时营业时间显示等功能。该工具能够生成Gutenberg模块,让开发者在几秒内完成过去需要数千美元定制开发的功能。同时WordPress还推出了Abilities API等AI架构开发。
印度学者在卫星图像识别领域取得突破,设计出无需预训练的神经网络架构,在EuroSAT数据集上达到97.23%准确率。通过三轮迭代优化,研究者发现卫星图像需要平衡空间和光谱两种特征,创新性地开发了可学习融合参数的双路径注意力机制。该方法证明了专用架构设计在特定领域的巨大潜力,为无法获得大规模预训练数据的应用场景提供了有效解决方案。
英国国家网络安全中心与BT合作推出的Share and Defend服务成功拦截了近十亿次早期网络攻击和用户访问危险网站的尝试。该服务整合多方威胁情报数据,通过互联网服务商的DNS平台实时过滤恶意网站,大规模阻断钓鱼和虚假购物网站。目前已有TalkTalk、沃达丰等多家合作伙伴加入,政府计划在2026年1月发布国家网络行动计划以进一步提升英国网络安全防护能力。
UC伯克利研究团队开发了ECHO框架,通过分析社交媒体上真实用户对GPT-4o图像生成的使用反馈,构建了更贴近实际需求的AI评测体系。该框架收集了超过31000个用户提示词,发现传统评测无法覆盖的复杂任务需求,并识别出用户关心的色彩偏移、身份保持等具体问题,为AI模型评估提供了全新的用户导向思路。